[發明專利]一種配電網電壓質量的人工智能預測方法

在審

• 申請號: 202210221202.3
• 申請日: 2022-03-09
• 公開（公告）號: CN114493044A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 梁永昌;鄭毅;黃開宇;黃曉暉;何琨才;李國興;劉文彬;田啟年;楊舉旭;甘偉超;李英新;孔祥茂;張國軍;韋彩芳;梁鋒;李勤善;肖效忠;黃嘉樂;周濤;劉瑜;李輝涵;李麗華;張晉樂;詹棕楗;李娟;黃亮;伍廣正;王韜瑋
• 申請（專利權）人: 廣西電網有限責任公司貴港供電局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種配電網電壓質量的人工智能預測方法，其特征在于：其方法包括如下步驟：

（S1）、收集過去幾年內配電網中不同節點電壓的電壓偏差、頻率偏差、三相不平衡度、諧波電壓電流和電壓波動閃變五類指標數據，同時對相關數據對應的環境條件因素進行收集保存，其中包括日期、時間、節點的位置、天氣、溫度以及節點所在的地理環境；

（S2）、在配電網中搭建人工智能預測模型，并在配電網的各個節點設置監控氣候、地理和人文環境的傳感器及監控設施；

（S3）、將獲取到的五類指標數據以及相關數據對應的日期、時間和節點的位置輸入至人工智能預測模型進行訓練，同時將各個日期對應的天氣、溫度以及節點所在的地理環境一并輸入至人工智能預測模型進行訓練；

（S4）、通過五類指標數據對應的日期、時間、節點位置、天氣、溫度和地理環境制成相應的因數條件訓練集，并隨機抽取訓練集中的因數條件數據輸入模型中進行測試，若人工智能預測模型輸出的指標數據誤差較小，則說明模型訓練成功，如果誤差較大，則對模型繼續進行訓練；

（S5）、獲取各個節點的氣候環境預報，并將氣候環境的變化連同日期一并輸入至模型中，得出相應的五類指標數值，并通過五類指標數值來對電壓的質量進行評估，得出預測結果，并將相關預測結果發送給生產企業。

2.根據權利要求1所述的一種配電網電壓質量的人工智能預測方法，其特征在于：所述步驟（S1）中，收集到的環境條件因素還包括有人為環境因素，且該人為環境因素包括配電網節點附近的開發狀況以及影響配電網節點的人為事件。

3.根據權利要求1所述的一種配電網電壓質量的人工智能預測方法，其特征在于：所述步驟（S1）中，收集數據的過程中，數據精確到每小時，同時數據的誤差在3-2%以內。

4.根據權利要求1所述的一種配電網電壓質量的人工智能預測方法，其特征在于：所述步驟（S1）中，在收集數據的過程中，記錄下五類指標上下浮動較大的數據，并對相關數據對應的環境條件因素進行保存。

5.根據權利要求1所述的一種配電網電壓質量的人工智能預測方法，其特征在于：所述步驟（S2）中，人工智能預測模型是以配電網全域大數據為基礎建立的，且利用從各類在線監測系統、巡檢系統、檢測傳感器、生產管理系統、電能管理系統、人工檢修監控系統及智能終端不同的平臺及設備中獲取的相關信息。

6.根據權利要求1所述的一種配電網電壓質量的人工智能預測方法，其特征在于：所述步驟（S2）中，設置的傳感器包括有溫度傳感器、濕度傳感器和振動傳感器，監控設施包括有監控攝像頭和降水監控。

7.根據權利要求1所述的一種配電網電壓質量的人工智能預測方法，其特征在于：所述步驟（S3）中，模型訓練的過程分為基于數據的預測、強化學習、神經網絡訓練和基于運動模型的預測四個階段。

8.根據權利要求1所述的一種配電網電壓質量的人工智能預測方法，其特征在于：所述步驟（S4）中，利用因數條件訓練集對人工智能預測模型進行訓練直至模型滿足訓練精度要求或對模型的訓練已達到最大訓練次數后，停止對模型的訓練。

9.根據權利要求1所述的一種配電網電壓質量的人工智能預測方法，其特征在于：所述步驟（S5）中，氣候環境預報是通過天氣預報，電視新聞、網絡新聞以及相關預報APP獲取的。